- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 569711 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 176136
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
8 x1 B3 M) h' J# K
【数学建模】数学建模(一)——数学模型概述
+ \/ d! ~" T, k
4 K: S5 {% G5 ]8 G) ^6 Z. E0 V
, v" \, k; z7 i- H; \' D一. 模型) w* u- R/ j& d. `% i
1. 原型和模型
& O% d8 g' I7 X5 p- l 原型指人们在现实世界里关心、研究或从事生产、管理的实际对象。模型则指为了某个特定目的将原型的某一部分信息简缩、提炼而构造的原型替代物。
- T$ V$ p5 V+ {5 O$ P 按照模型替代原型的方式,模型可以分为物质模型(形象模型)和理想模型(抽象模型)。前者包括直观模型、物理模型等,后者包括思维模型、符号模型、数学模型等。
. p( c, X2 }5 q* W, ] 数学模型可以描述为,对现实世界的一个特定对象,为了一个特定目的,根据特有的内在规律,作出一些必要的简化假设,运用适当的数学工具,得到的一个数学结构。6 M: j: Z* L& N/ t
2. 建模方法3 ^, j# K$ J0 P
建模方法大体可以分为机理分析和测试分析两种。机理分析是根据对客观事物特性的认识,找出反应内部机理的数量规律,建立的模型常有明确的物理或现实意义。测试分析是将研究对象看作一个“黑箱”系统,通过对系统输入、输出数据的测量和统计分析,按照一定的准则找出与数据拟合的最好的模型。
( P6 o: L' o: x$ f3. 建模步骤2 @! k: ^: D; s* z7 W. _" k
按机理分析方法的建模步骤如下
h. x E+ }- O 8 N, p- _. s8 H. z5 J
4. 建模过程8 ^6 T7 v) F! A0 l& Y% ]
按一般步骤,数学建模过程分为表述、求解、解释、验证几个阶段,并通过这些阶段实现从数学模型到现实对象的循环。
1 [, [& n; |& Q; w" g0 m + N! ^, N- ?8 n! |/ s i1 J% b9 f& R
% J" T* `2 a1 |! @ s' z- R# d! A7 B, W
5. 模型分类
" s3 |0 V, S" B* O9 k- O 按建立模型的数学方法:初等模型、几何模型、统计回归模型、数学规划模型等。
/ ?; ^8 x4 q i# x6 E) f 按模型的表现特性:确定性模型和随机模型、静态模型和动态模型、线性模型和非线性模型、离散模型和连续模型。$ y$ R3 O% l/ d, R; l8 \
按建模目的:描述模型、预报模型、优化模型、决策模型等。2 S4 {; ]) ~# T) q/ u& J0 S
按对模型结构的了解程度:白箱模型、灰箱模型、黑箱模型。
" i$ l2 D7 R$ Y, |# d二. 系统辨识: U5 J5 u8 j6 |( w/ K
在科学研究和工程实践中,实验和观测是重要的手段之一。实验的结果是输入和输出的数据,通过这些数据去建立数学模型就是系统辨识。
3 h4 b& G3 @. I/ \, E: _ 系统辨识为:根据输入与输出数据在指定的一类系统中选择一个系统,这个系统和所研究的实践系统等价。3 q. N! S! k6 e8 Q5 F3 l( r
( J$ m' c8 }5 e# k% C4 K
系统辨识大致步骤:①模型类的选择;②实验设计;③参数估计;④模型核验与确认。6 d* k- C! S' H+ U# O- o
/ y" ~5 d* y7 d% s6 H
( T) @, ~3 j0 a % d( l) K3 M+ f
* }& q! s, I5 O( B# c# O
. r( b5 b$ \6 N2 H2 _3 I0 d# f# T# C( |/ v6 t' s8 b, m- Q
三. 机器学习
6 c: T! h* k" f0 F- m+ V 机器学习就是把无序的数据转换成有用的信息,它的主要任务就是分类,其中涉及的几个关键概念:①训练集是用于训练机器学习算法的数据样本几何;②目标变量是机器学习算法的预测结果,在分类算法中,目标变量的结果类型通常是标称型的,而在回归算法中通常是连续型的;③知识表示可以采用规则集的形式,也可以采用概率分布的形式。0 T! U& G! B; Q' @+ ]2 n! m0 x
机器学习的另一个任务是回归,它主要用于预测数值型数据。分类和回归属于监督学习,是因为这类算法必须知道预测什么,即目标变量的分类信息。与监督学习相对应的是无监督学习,此时数据没有类别信息,也不会给定目标值。在无监督学习中,将数据集合分成由类似的对象组成的多个类的过程被称为聚类;将寻找描述数据统计值的过程称为密度估计。
% U# ]0 u3 f* T" T! t+ U, N* I* O- ?1 |5 g
; l2 Y, c3 B: U- [! T2 `' {% \% L用于执行分类、回归、聚类和密度估计的机器学习算法
3 F, T+ {( g& X8 ^3 m
0 ^4 }4 o' Q; d/ L& Q* ?: K% o8 L5 ~6 b( ]* H2 l# Q' I: D( j
$ _+ n/ d- j( @
5 c6 {! T% P5 U \$ V) Z
' q2 j2 \( X4 v5 i* z' y
+ E. {) @& h: h/ W% {/ Q
机器学习程序设计的步骤:①收集数据;②准备输入数据;③分析输入数据;④训练算法;⑤测试算法;⑥使用算法。
' q+ d7 F% y! x1 A* N7 \
`) D) F) b; ?* ^- F5 q4 E7 f- p参考文献:9 h/ p/ u' ~# j5 V, X, _
1. 数学模型(第四版). 姜启源5 c- x; a5 k& J' p# u* j* F, R
2. 系统建模与辨识 . 王秀峰
7 Z: i1 h6 ]6 q' M6 {3. 机器学习(第九版)4 ?5 F3 @/ z7 j8 J1 z. N
. c. Y0 g0 U7 b; T9 F+ B. a+ X! e. l- t
0 ?6 r6 S; ]3 b# ]" q* {" q* f6 c; r4 N8 O7 L
|
zan
|